Main Article Content

Abstract





Autonomous Surface Vehicles (ASV) telah menjadi fokus penelitian yang populer karena aplikasinya yang luas. Tantangan utama dalam pengembangan ASV adalah mendeteksi dan mengidentifikasi objek di permukaan udara, seperti pelampung , dengan cepat dan akurat. Penelitian ini mengintegrasikan Robot Operating System (ROS ) dengan algoritma YOLOv5 untuk mendeteksi pelampung berwarna, dengan tujuan mengidentifikasi varian YOLOv5 yang menawarkan kinerja komputasi ringan dan akurasi yang tinggi untuk aplikasi real-time pada ASV. Berbagai varian YOLOv5 (YOLOv5s, YOLOv5m, dan YOLOv5L) dievaluasi berdasarkan kinerja deteksi dan penggunaan sumber daya komputasi. Hasil menunjukkan semua model YOLOv5 berfungsi dengan baik dalam ekosistem ROS. YOLOv5m memiliki performa deteksi terbaik dengan akurasi 90%, diikuti oleh YOLOv5s (89,8%) dan YOLOv5L (88,9%). Dalam pengujian real-time , YOLOv5L memiliki akurasi terbaik sebesar 87,78%, diikuti oleh YOLOv5m (85%) dan YOLOv5s (80%). Dari segi respon, YOLOv5s menjadi yang tercepat dengan waktu respon 36,4ms, diikuti oleh YOLOv5m (77ms) dan YOLOv5L (139ms). Berdasarkan hasil tersebut, YOLOv5m dianggap paling ideal untuk digunakan pada miniatur ASV karena memiliki akurasi yang baik (85%) dan waktu respon yang cepat (77ms), berkontribusi pada pengembangan teknologi ASV yang lebih efisien dan andal.





Article Details

References

Read More